Estimasi Data Hujan Hilang dan Uji Konsistensi Data Menggunakan Kurva

Massa Ganda (Double Mass Curve)

Disusun untuk memenuhi Tugas Besar No. 2
Mata Kuliah: Hidrologi Teknik Dasar
Dosen pengajar :
1. Dr.Eng. Donny Harisuseno, ST., MT.
2. Prof. Dr. Ir. Lily Montarcih Limantara, M.Sc.

Dikerjakan oleh:
Amirul Wafi
NIM. 205060401111007

KELAS D
TEKNIK PENGAIRAN
FAKULTAS TEKNIK
UNIVERSITAS BRAWIJAYA
2020
 DAFTAR ISI
Halaman
HALAMAN JUDUL ....................................................................................... i
DAFTAR ISI.................................................................................................... ii
DAFTAR GAMBAR ....................................................................................... iii
DAFTAR TABEL............................................................................................ iv
DAFTAR GRAFIK.......................................................................................... v
BAB I TINJAUAN PUSTAKA………………………………………….. 1
1.1 Data Hujan Hilang .................................................................... 1
1.1 Uji Konsistensi Data ................................................................. 3
BAB II DATA……………………………………………………………... 6
2.1 Curah Hujan Harian Maksimum……………………………. . 6
BAB III HASIL ANALISA DATA ............................................................... 7
3.1 Aritmetic Mean Method…………………………………… ... 7
3.2 Normal Ratio Method.…………………………………… ..... 8
3.3 Uji Konsistensi Data ................................................................ 9
3.4 Kesimpulan .............................................................................. 13
DAFTAR PUSTAKA………………………………………………………. 14

ii
 DAFTAR GAMBAR
Halaman
Gambar Lengkung Massa Ganda ..................................................................... 5

iii
 DAFTAR TABEL
Halaman
Tabel Data Hujan Harian Maksimum .............................................................. 6
Tabel Hasil Perhitungan Artimetic Mean Method ........................................... 6
Tabel Hasil Perhitungan Normal Ratio Method .............................................. 6
Tabel Hasil Analisa Data Uji Konsistensi Data Hujan Stasiun A ................... 9
Tabel Hasil Analisa Data Uji Konsistensi Data Hujan Stasiun B.................... 10
Tabel Hasil Analisa Data Uji Konsistensi Data Hujan Stasiun C.................... 11
Tabel Hasil Analisa Data Uji Konsistensi Data Hujan Stasiun D ................... 12

iv
 DAFTAR GRAFIK
Halaman
Grafik Uji Konsistensi Data Hujan Stasiun A ................................................. 10
Grafik Uji Konsistensi Data Hujan Stasiun B ................................................. 11
Grafik Uji Konsistensi Data Hujan Stasiun C ................................................. 12
Grafik Uji Konsistensi Data Hujan Stasiun D ................................................. 13

v
 BAB I
TINJAUAN PUSTAKA
1.1. Data Hujan Hilang
Data yang ideal adalah data yang untuk dan sesuai dengan apa yang
dibutuhkan. Tetapi dalam praktek sangat sering dijumpai data yang tidak lengkap
(incomplete record) hal ini dapat disebabkan beberapa hal, antara lain yaitu kerusakan
alat, kelalaian petugas, penggantian alat, bencana (pengrusakan) dan sebagainya.
Keadaan tersebut menyebabkan pada bagian – bagian tertentu dari data runtut waktu
terdapat data yang kosong (missing record). Dalam memperkirakan besarnya data
yang hilang, harus diperhatikan pula pola penyebaran hujan pada stasiun yang
bersangkutan maupun stasiun-stasiun sekitarnya.
Keadaan data hujan hilang ini untuk kepentingan tertentu dapat mengganggu.
Misalnya pada suatu saat terjadi banjir, sedangkan data hujan pada satu atau beberapa
stasiun pada saat yang bersamaan tidak tersedia (karena berbagai sebab). Keadaan
demikian tidak terasa merugikan bila data tersebut tidak tercatat pada saat yang di
pandang tidak penting.
Menurut Soewarno (2000) dalam bukunya Hidrologi Operasional Jilid Kesatu,
analisis hidrologi memang tidak selalu diperlukan pengisian data yang kosong atau
hilang. Misal terdapat data kosong pada musim kemarau sedang analis data hidrologi
tersebut menghitung debit banjir musim penghujan maka dipandang tidak perlu
melengkapi data pada periode kosong musim kemarau tersebut, tetapi bila untuk
analisis kekeringan maka data kosong pada musim kemarau tersebut harus diusahakan
untuk melengkapi.
Data hujan yang hilang dapat diestimasi apabila di sekitarnya ada stasiun
penakar hujan (minimal 2 stasiun) yang lengkap datanya atau stasiun penakar yang
datanya hilang diketahui hujan rata-rata tahunannya. (Lily, 2010)
Menghadapi keadaan ini, terdapat dua langkah yang dapat dilakukan yaitu :
1. Membiarkan saja data yang hilang tersebut, karena dengan cara apapun data
tersebut tidak akan diketahui dengan tepat.
2. Bila dipertimbangkan bahwa data tersebut mutlak diperlukan maka perkiraan data
tersebut dapat dilakukan dengan cara-cara yang dikenal.
Beberapa metode yang dapat digunakan menurut buku Mengenal Dasar – dasar
Hidrologi halaman 190-191 oleh Ir. Joyce Martha dan Ir. Wanny Adidarma,Dipl.HE.
yaitu Normal Ratio Method, cara “Inversed Square Distance” dan cara rata – rata
aljabar. Sedangkan menurut Soewarno dalam bukunya Hidrologi Operasional Jilid
Kesatu halaman 202, ada 3 metode yang digunakan untuk memperkirakan data hujan
periode kosong diantaranya rata – rata aritmatik (arithmatical average), perbandingan

1
normal (normal ratio), dan kantor cuaca Nasional Amerika Serikat (US.National
Weather service).
Ada kesamaan metode perhitungan dari buku Hidrologi Operasional Jilid
Kesatu dengan buku Mengenal Dasar – dasar Hidrologi, yaitu Metode rata – rata
aritmatik dengan rata – rata aljabar, dan Normal Ratio Method dengan perbandingan
normal (normal ratio) yang terdapat dibuku Soewarno. Yang berbeda adalah metode
Kantor Cuaca Amerika Serikat
1.1.1. Normal Ratio Method
Linsley, Kohler dan Paulhus (1958) menyarankan satu metode yang disebut
“Normal Ratio Method” sebagai berikut :
1 n An x
Dx = 
n i =1
di
Ani

Dengan :
Dx = Data tinggi hujan harian maksimum di stasiun x
n = Jumlah stasiun di sekitar x untuk mencari data di x
di = Data tinggi hujan harian maksimumdi stasiun i
Anx = Tinggi hujan rata-rata tahunan di stasiun x
Ani = Tinggi hujan rata-rata tahunan di stasiun sekitar x
1.1.2. Cara “Inversed Square Distance”
Persamaan yang digunakan dalam cara “Inversed Square Distance” adalah :
1 1 1
PA + P + PC
(dXA)2 (dXB)2 B (dXC)2
Px = 1 1 1
+ +
(dXA)2 (dXB)2 (dXC)2

Dengan :
Px = Tinggi hujan yang dipertanyakan
PA, PB, Pc = Tinggi hujan pada stasiun disekitarnya
dXA, dXB, dXC = Jarak stasiun X terhadap masing – masing stasiun A, B, C.
1.1.3. Rata – rata Aljabar
Rata – rata aljabar ini digunakan apabila kekurangan data kurang dari 10%
(<10%) . Misalnya adalah diketahui : Hujan rata – rata tahunan di A = 750 mm = ̅XA,
̅
hujan rata – rata tahunan di B = 725 mm = = XB. Ditanya : bagaimana mengisi data
hujan di A pada suatu tahun tertentu, bila pada tahun yang sama di B jumlah hujan =
710 mm. Penyelesaiannya adalah :

2
 ̅A
X 750
XA = X̅B . XB = 725 . 710 mm = 735 mm

Jadi besarnya data hujan di A adalah 735 mm.

1.2. Teori Uji Konsistensi Data
Menurut Soewarno dalam bukunya Hidrologi Operasional Jilid Kesatu, data
hujan yang diperlukan untuk analisis disarankan minimal 30 tahun data runtut waktu.
Data itu harus tidak mengandung kesalahan dan harus dicek sebelum digunakan untuk
analisis hidrologi lebih lanjut. Agar tidak mengandung kesalahan (error) dan harus
tidak mengandung data kosong (missing record). Oleh karena itu harus dilakukan
pengecekan kualitas data (data quality control). Beberapa kesalahan yang mungkin
terjadi dapat disebabkan oleh faktor manusia, alat dan faktor lokasi. Bila terjadi
kesalahan maka data itu dapat disebut tidak konsisten (inconsistency). Uji konsistensi
(consistency test) berarti menguji kebenaran data. Data hujan disebut konsisten
(consistent) berarti data yang terukur dan dihitung adalah teliti dan benar serata sesuai
dengan fenomena saat hujan itu terjadi.
Beberapa cara untuk mengecek kualitas data hujan antara lain: (a)
melaksanakan pengecekan lapangan, (b) melaksanakan pengecekan ke kantor
pengolahan data, (c) membandingkan data hujan dengan data iklim untuk lokasi yang
sama, (d) analisis kurva masa ganda (lengkung masa ganda), dan (e) analisis statistik.
Salah satu cara untuk menguji konsistensi data hujan dengan menggunakan
analisis kurva masa ganda (double mass curve analysis). Pengujian tersebut dapat
diketahui apakah terjadi perubahan lingkungan atau perubahan cara menakar. Jika
hasil uji menyatakan data hujan disuatu stasiun konsisten berarti pada daerah pengaruh
system tersebut tidak terjadi perubahan lingkungan dan tidak terjadi perubahan cara
menakar selama pencatatan data tersebut dan sebaliknya.
Ketelitian hasil perhitungan dalam ramalan Hidrologi sangat diperlukan, yang
tergantung dari konsistensi data itu sendiri. Dalam suatu rangkaian data pengamatan
hujan, dapat timbul non-homogenitas dan ketidaksesuaian, yang dapat mengakibatkan
penyimpangan dalam perhitungan.
Non-homogenitas ini dapat disebabkan oleh beberapa faktor, antara lain :
a. Perubahan letak stasiun.
b. Perubahan system pendataan.
c. Perubahan iklim.
d. Perubahan dalam lingkungan sekitar.
Uji konsistensi ini dapat diselidiki dengan cara membandingkan curah hujan
tahunan komulatif dari stasiun yang diteliti dengan harga komulatif curah hujan rata-
rata dari suatu jaringan stasiun dasar yang bersesuaian. Pada umumnya, metode ini

3
disusun dengan urutan kronologis mundur dan dimulai dari tahun yang terakhir atau
data yang terbaru hingga data terakhir.
Jika data hujan tidak konsisten karena perubahan atau gangguan lingkungan di
sekitar tempat penakar hujan dipasang, misalnya, penakar hujan terlindung oleh
pohon, terletak berdekatan dengan gedung tinggi, perubahan penakaran dan
pencatatan, pemindahan letak penakar dan sebagainya, memungkinkan terjadi
penyimpangan terhadap trend semula. Hal ini dapat diselidiki dengan menggunakan
lengkung massa ganda.
Kalau tidak ada perubahan terhadap lingkungan maka akan diperoleh garis ABC
berupa garis lurus dan tidak terjadi patahan arah garis, maka data hujan tersebut adalah
konsisten. Tetapi apabila pada tahun tertentu terjadi perubahan lingkungan, didapat
garis patah ABC’. Penyimpangan tiba-tiba dari garis semula menunjukkan adanya
perubahan tersebut, yang bukan disebabkan oleh perubahan iklim atau keadaan
hidrologis yang dapat menyebabkan adanya perubahan trend. Sehingga data hujan
tersebut dapat dikatakan tidak konsisten dan harus dilakukan koreksi.
Apabila data hujan tersebut tidak konsisten, maka dapat dilakukan koreksi
dengan menggunakan rumus :

Yz = Fk x Y
Fk = tan α : tan α0

Keterangan:
Yz : Data hujan yang diperbaiki, mm
Y : Data hujan hasil pengamatan, mm
Tgα : Kemiringan sebelum ada perubahan
Tg αc : Kemiringan setelah ada perubahan

4
 Gambar Lengkung Massa Ganda
Sumber : Materi Kuliah Hidrologi Teknik Dasar
Keterangan :
- Pola yang terjadi berupa garis lurus dan tidak terjadi patahan arah garis itu,
maka data hujan pos X adalah konsisten.
- Pola yang terjadi berupa garis lurus dan terjadi patahan arah garis itu, maka
data hujan pos X adalah tidak konsisten dan harus dilakukan koreksi.

5
 BAB II
DATA
2.1. Data Hujan Harian Maksimum Stasiun A, B, C, D.

Tahun A B C D
2004 294.0 235,2 220.5 205.8
2005 241.0 192,8 180.8 168.7
2006 329.0 263,2 246.8 230.3
2007 282 225,6 197,4
2008 248 198,4 186
2009 216.0 172,8 162.0 151.2
2010 306.0 244,8 229.5 214.2
2011 268.0 214,4 201.0 187.6
2012 189.0 151,2 141.8 132.3
2013 212 198,8 185,5
2014 334.0 267,2 250.5 233.8
2015 316.0 252,8 237.0 221.2

6
 BAB III
HASIL ANALISIS DATA
3.1. Aritmetic Mean Method
Dikarenakan hujan rata-rata tahunan yang hilang datanya kurang dari 10%
dari hujan rata-rata tahunan stasiun di sekitarnya serta stasiun hujan acuan berjumah
3 dan lokasinya tersebar secara merata sehingga Arithmetic Mean Method dapat
digunakan.
A. Mencari data hilang di stasiun A pada tahun 2013
= 1/3 * (data tahun 2013 di B + data tahun 2013 di C + data tahun 2013 di D)
= 1/3 * (212+198,8+185,5)
= 198,8
B. Mencari data hilang di stasiun C pada tahun 2007
= 1/3 * (data tahun 2013 di A + data tahun 2013 di B + data tahun 2013 di D)
= 1/3 * (282+225,6+197,4)
= 235
C. Mencari data hilang di stasiun D pada tahun 2008
= 1/3 * (data tahun 2008 di A + data tahun 2008 di B + data tahun 2008 di C)
= 1/3 * (248+198,4+186)
= 210,8

Maka tabel yang dihasilkan akan seperti ini :

Tahun A B C D
2004 294.0 235,2 220.5 205.8
2005 241.0 192,8 180.8 168.7
2006 329.0 263,2 246.8 230.3
2007 282 225,6 235 197,4
2008 248 198,4 186 210,8
2009 216.0 172,8 162.0 151.2
2010 306.0 244,8 229.5 214.2
2011 268.0 214,4 201.0 187.6
2012 189.0 151,2 141.8 132.3
2013 198,8 212 198,8 185,5
2014 334.0 267,2 250.5 233.8
2015 316.0 252,8 237.0 221.2

7
3.2. Normal Ratio Method

1 n An x
Rumus yang digunakan adalah Dx = 
n i =1
di
Ani

A. Mencari data hilang di stasiun D pada tahun 2008

2008 248 198,4 186

2009 216 172,8 162 151,2
2010 306 244,8 229,5 214,2
2011 268 214,4 201 187,6
2012 189 151,2 141.8 132,3
JUMLAH 1227 981,6 778,5 685,3
= 1/3 * ((685,3/1227 * 248)+(685,3/981,6 * 198,4)+(685,3/778,5 * 186)

= 146,9

B. Mencari data hilang di stasiun A pada tahun 2013

2009 216 172,8 162 151,2

2010 306 244,8 229,5 214,2
2011 268 214,4 201 187,6
2012 189 151,2 141,8 132,3
2013 212 198,8 185,5
2014 334 267,2 250,5 233,8
2015 316 252,8 237 221,2
JUMLAH 1629 1515,2 1420,6 1325,8

= 1/3 * ((1629/1515,2 * 212)+(1629/1420,6 * 198,8)+(1629/1325,8 * 185,5)

= 227,9

C. Mencari data hilang di stasiun D pada tahun 2007

Tahun A B C D
2004 294 235,2 220,5 205,8
2005 241 192,8 180,8 168,7
2006 329 263,2 246,8 230,3
2007 282 225,6 197,4
2008 248 198,4 186 146,9
2009 216 172,8 162 151,2
2010 306 244,8 229,5 214,2
2011 268 214,4 201 187,6
2012 189 151,2 141,8 132,3
2013 227,9 212 198,8 185,5

8
 2014 334 267,2 250,5 233,8
2015 316 252,8 237 221,2
JUMLAH 3250,9 2630,4 2254,7 2274,9

= 1/3 * ((2254,7/3250 *282) + (2254,7/2630,4 *225,6) + (2254,7/2274,9 *197,4)

= 194,9

Maka tabel yang dihasilkan akan seperti ini :

Tahun A B C D
2004 294 235,2 220,5 205,8
2005 241 192,8 180,8 168,7
2006 329 263,2 246,8 230,3
2007 282 225,6 194,9 197,4
2008 248 198,4 186 146,9
2009 216 172,8 162 151,2
2010 306 244,8 229,5 214,2
2011 268 214,4 201 187,6
2012 189 151,2 141,8 132,3
2013 227,9 212 198,8 185,5
2014 334 267,2 250,5 233,8
2015 316 252,8 237 221,2

3.3 Uji Konsistensi Data

A. Uji Konsistensi Stasiun A terhadap Stasiun B, C, D

Komulatif A Rerata BCD Kom Rerata

Tahun Stasiun A
2015 316 316 237 237
2014 334 650 250,5 487,5
2013 227,9 877,9 198,8 686,3
2012 189 1066,9 141,8 828
2011 268 1334,9 201 1029
2010 306 1640,9 229,5 1258,5
2009 216 1856,9 162 1420,5
2008 248 2104,9 198,4 1618,9
2007 282 2386,9 206 1824,9
2006 329 2715,9 246,8 2071,7
2005 241 2956,9 180,8 2252,4
2004 294 3250,9 220,5 2472,9
Tabel Data Uji Konsistensi Stasiun A terhadap Stasiun B, C, D

9
 Uji Konsistensi Data Hujan Stasiun A
3500,0

3000,0

2500,0

2000,0

1500,0

1000,0

500,0

0,0
0,0 500,0 1000,0 1500,0 2000,0 2500,0 3000,0

Grafik Uji Konsistensi Stasiun A terhadap Stasiun B, C, D

B. Uji Konsistensi Stasiun B terhadap Stasiun A, C, D

Tahun Stasiun B Komulatif B Rerata ACD Kom Rerata

2015 252,8 252,8 258,1 258,1
2014 267,2 520 272,8 530,8
2013 212 732 204,1 734,9
2012 151,2 883,2 154,4 889,3
2011 214,4 1097,6 218,9 1108,1
2010 244,8 1342,4 249,9 1358
2009 172,8 1515,2 176,4 1534,4
2008 198,4 1713,6 214,9 1749,4
2007 225,6 1939,2 224,8 1974,1
2006 263,2 2202,4 268,7 2242,8
2005 192,8 2395,2 196,8 2439,7
2004 235,2 2630,4 240,1 2679,8
Tabel Data Uji Konsistensi Stasiun B terhadap Stasiun A, C, D

10
 Uji Konsistensi Data Hujan Stasiun B
3000

2500

2000

1500

1000

500

0
0,0 500,0 1000,0 1500,0 2000,0 2500,0 3000,0

Grafik Uji Konsistensi Stasiun B terhadap Stasiun A, C, D

C. Uji Konsistensi Stasiun C terhadap Stasiun A, B, D

Tahun Stasiun C Komulatif C Rerata ABD Kom Rerata

2015 237 237 263,3 263,3
2014 250,5 487,5 278,3 541,7
2013 198,8 686,3 208,5 750,1
2012 141,8 828,1 157,5 907,6
2011 201 1029,1 223,3 1131
2010 229,5 1258,6 255 1386
2009 162 1420,6 180 1566
2008 186 1606,6 219,1 1785
2007 194,9 1801,5 235 2020
2006 246,8 2048,3 274,2 2294,2
2005 180,8 2229,1 200,8 2495
2004 220,5 2449,6 245 2740
Tabel Data Uji Konsistensi Stasiun C terhadap Stasiun A, B, C

11
 Uji Konsistensi Data Hujan Stasiun C
3000

2500

2000

1500

1000

500

0
0,0 500,0 1000,0 1500,0 2000,0 2500,0 3000,0

Grafik Uji Konsistensi Stasiun B terhadap Stasiun A, C, D

D. Uji Konsistensi Stasiun D terhadap Stasiun A, B, C

Tahun Stasiun D Komulatif D Rerata ABC Kom Rerata

2015 221,2 221,2 268,6 268,6
2014 233,8 455 283,9 552,5
2013 185,5 640,5 212,9 765,4
2012 132,3 772,8 160,7 926,1
2011 187,6 960,4 227,8 1153,9
2010 214,2 1174,6 260,1 1414
2009 151,2 1325,8 183,6 1597,6
2008 210,8 1536,6 210,8 1808,4
2007 197,4 1734 234,2 2042,5
2006 230,3 1964,3 279,7 2322,2
2005 168,7 2133 204,9 2527,1
2004 205,8 2338,8 249,9 2777
Tabel Data Uji Konsistensi Stasiun D terhadap Stasiun A, B, C

12
 Uji Konsistensi Data Hujan Stasiun D
2500

2000

1500

1000

500

0
0,0 500,0 1000,0 1500,0 2000,0 2500,0 3000,0

Grafik Uji Konsistensi Stasiun B terhadap Stasiun A, C, D

3.4. Kesimpulan
Data yang digunakan untuk uji konsistensi merupakan data dengan perhitungan
normal ratio method dikarenakan perhitungannya lebih akurat dengan pertimbangan
apabila menggunakan aritmatic mean method stasiun nya kurang tersebar dengan
merata.
Berdasarkan grafik uji konsistensi stasiun terlihat bahwa stasiun B memiliki
garis lurus dan tidak terjadi patahan serta garis mendekati kelurusan 45 derajat.
Dengan kata lain stasiun B adalah konsisten. Stasiun kedua yang mendekati konsisten
ialah stasiun C, terlihat bahwa garis liner hampir mendekati garis empiris, namun
terjadi sedikit patahan garis di tahun 2007-2008.
Lalu untuk grafik yang kurang konsisisten ditunjukan di stasiun D dan A, untuk
stasiun D masih belum terlampau jauh dari garis empiris, namun untuk stasiun A sudah
cukup jauh dari garis empirisnya. Berdasarkan grafik, di stasiun D terjadi patahan pada
tahun 2008-2009 sedangkan di stasiun A pada tahun 2013-2014. Jadi apabila diurutkan
dari stasiun paling konsisten yaitu Stasiun B - Stasiun C - Stasiun D - Stasiun A

13
 DAFTAR PUSTAKA

Harisuseno, donny. 2021. Kuliah ke-5. Presipitasi 2021. Diakses melalui

https://drive.google.com/file/d/1SvpOIRI4J8JFPPRsMuSD_RMut4p1agMq/v
iew?usp=drivesdk pada 6 April 2021.
Dewi, Vita Ayu Kusuma. ‘Tanpa Tahun”. Cara Mencari Curah Hujan Yang Hilang.
Diakses melalui
https://www.academia.edu/18740032/Cara_Mencari_Curah_Hujan_Yang_Hi
lang pada 6 April 2021.

14